Após uma análise cuidadosa, decidimos descontinuar o Amazon Kinesis Data Analytics para aplicativos SQL:
1. A partir de **1º de setembro de 2025,** não forneceremos nenhuma correção de bug para aplicativos do Amazon Kinesis Data Analytics para SQL porque teremos suporte limitado para ele, devido à próxima descontinuação.
2. A partir **de 15 de outubro de 2025,** você não poderá criar novos aplicativos Kinesis Data Analytics para SQL.
3. Excluiremos as aplicações a partir de **27 de janeiro de 2026**. Você não poderá mais iniciar nem operar as aplicações do Amazon Kinesis Data Analytics para SQL. A partir dessa data, não haverá mais suporte ao Amazon Kinesis Data Analytics para SQL. Para obter mais informações, consulte [Descontinuação de aplicações do Amazon Kinesis Data Analytics para SQL](discontinuation.md).
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Exemplo: Transformação de valores DateTime
O Amazon Kinesis Data Analytics suporta a conversão de colunas em time stamps. Por exemplo, use seu próprio time stamp como parte de uma cláusula `GROUP BY` como outra janela baseado em tempo, além da coluna `ROWTIME`. O Kinesis Data Analytics fornece operações e funções SQL para trabalhar com campos de data e hora.
+ **Operadores de data e hora**: você pode executar operações aritméticas em datas, horas e tipos de dados de intervalo. Para obter mais informações, consulte [Operadores de data, time stamp e intervalo](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sql-reference-date-timestamp-interval.html) em *Amazon Managed Service for Apache Flink SQL Reference*.
+ **Funções SQL**: incluem o seguinte. Para obter mais informações, consulte [Funções de data e hora](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sql-reference-date-time-functions.html) em *Amazon Managed Service for Apache Flink SQL Reference*.
+ `EXTRACT()` - Extrai um campo a partir de uma data, hora, time stamp ou expressão de intervalo.
+ `CURRENT_TIME` – Retorna a hora em que a consulta é executada (UTC).
+ `CURRENT_DATE` – Retorna a data em que a consulta é executada (UTC).
+ `CURRENT_TIMESTAMP` – Retorna o time stamp em que a consulta é executada (UTC).
+ `LOCALTIME` – Retorna a hora atual em que a consulta é executada, conforme definido pelo ambiente no qual o Kinesis Data Analytics está sendo executado (UTC).
+ `LOCALTIMESTAMP` - Retorna o time stamp atual, conforme definido pelo ambiente no qual o Kinesis Data Analytics está sendo executado (UTC).
+ **Extensões SQL**: incluem o seguinte. Para obter mais informações, consulte [Funções de data e hora](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sql-reference-date-time-functions.html) e [Funções de conversão de data e hora](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sql-reference-datetime-conversion-functions.html) em *Amazon Managed Service for Apache Flink SQL Reference*.
+ `CURRENT_ROW_TIMESTAMP` - Retorna um novo time stamp para cada linha no fluxo.
+ `TSDIFF` - Retorna a diferença de dois time stamps em milissegundos.
+ `CHAR_TO_DATE` - Converte uma string em data.
+ `CHAR_TO_TIME` – Converte uma string em hora.
+ `CHAR_TO_TIMESTAMP` – Converte uma string em time stamp.
+ `DATE_TO_CHAR` – Converte uma data em string.
+ `TIME_TO_CHAR` – Converte uma hora em string.
+ `TIMESTAMP_TO_CHAR` – Converte um time stamp em uma string.
A maioria das funções SQL anteriores usam um formato para converter as colunas. O formato é flexível. Por exemplo, você pode especificar o formato `yyyy-MM-dd hh:mm:ss` para converter a string de entrada `2009-09-16 03:15:24` em time stamp. Para obter mais informações, consulte [Char To Timestamp (Sys)](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sql-reference-char-to-timestamp.html) em *Amazon Managed Service for Apache Flink SQL Reference*.
## Exemplo: transformação de datas
Neste exemplo, você grava os registros a seguir em um fluxo de dados do Amazon Kinesis.
```
{"EVENT_TIME": "2018-05-09T12:50:41.337510", "TICKER": "AAPL"}
{"EVENT_TIME": "2018-05-09T12:50:41.427227", "TICKER": "MSFT"}
{"EVENT_TIME": "2018-05-09T12:50:41.520549", "TICKER": "INTC"}
{"EVENT_TIME": "2018-05-09T12:50:41.610145", "TICKER": "MSFT"}
{"EVENT_TIME": "2018-05-09T12:50:41.704395", "TICKER": "AAPL"}
...
```
Em seguida, você criará um aplicativo Kinesis Data Analytics no console com o stream Kinesis como origem de streaming. O processo de descoberta lê registros de exemplo na origem de streaming e infere um esquema de aplicativo com duas colunas (`EVENT_TIME` e `TICKER`), como mostrado.
![\[Captura de tela do console mostrando o esquema no aplicativo com o tempo do evento e as colunas do marcador.\]](http://docs.aws.amazon.com/pt_br/kinesisanalytics/latest/dev/images/ex_datetime_convert_0.png)
Em seguida, use o código do aplicativo com funções SQL para converter o campo de timestamp `EVENT_TIME` de várias maneiras. Insira dos dados resultantes em outro fluxo de aplicativo, como mostramos na captura de tela a seguir:
![\[Captura de tela do console mostrando os dados resultantes em um stream no aplicativo.\]](http://docs.aws.amazon.com/pt_br/kinesisanalytics/latest/dev/images/ex_datetime_convert_1.png)
### Etapa 1: Criar um fluxo de dados Kinesis
Crie um Amazon Kinesis Data Streams e preencha com hora do evento e os registros do marcador, da seguinte maneira:
1. [Faça login no Console de gerenciamento da AWS e abra o console do Kinesis em https://console.aws.amazon.com /kinesis.](https://console.aws.amazon.com/kinesis)
1. Selecione **Data Streams (Fluxos de dados)** no painel de navegação.
1. Escolha **Create Kinesis stream (Criar fluxo do Kinesis)** e crie um fluxo com um estilhaço.
1. Execute o seguinte código Python para preencher o fluxo com dados de amostra. Esse código simples grava continuamente um registro com um símbolo de marcador aleatório e o timestamp atual no fluxo.
```
import datetime
import json
import random
import boto3
STREAM_NAME = "ExampleInputStream"
def get_data():
return {
"EVENT_TIME": datetime.datetime.now().isoformat(),
"TICKER": random.choice(["AAPL", "AMZN", "MSFT", "INTC", "TBV"]),
"PRICE": round(random.random() * 100, 2),
}
def generate(stream_name, kinesis_client):
while True:
data = get_data()
print(data)
kinesis_client.put_record(
StreamName=stream_name, Data=json.dumps(data), PartitionKey="partitionkey"
)
if __name__ == "__main__":
generate(STREAM_NAME, boto3.client("kinesis"))
```
### Etapa 2: Criar o aplicativo Amazon Kinesis Data Analytics
Crie um aplicativo da seguinte maneira:
1. [Abra o console do Managed Service for Apache Flink em https://console.aws.amazon.com /kinesisanalytics.](https://console.aws.amazon.com/kinesisanalytics)
1. Escolha **Create application (Criar aplicativo)**, digite um nome para o aplicativo e selecione **Create application (Criar aplicativo)**.
1. Na página de detalhes do aplicativo, escolha **Connect streaming data (Conectar dados de streaming)** para se conectar com a fonte.
1. Na página **Connect to source (Conectar com a fonte)**, faça o seguinte:
1. Escolha o stream criado na seção anterior.
1. Escolha para criar uma função do IAM.
1. Escolha **Discover schema (Descobrir esquema)**. Aguarde o console mostrar o esquema inferido e os registros de exemplo usados para inferir o esquema do fluxo do aplicativo criado. O esquema inferido tem duas colunas.
1. Escolha **Edit Schema (Editar esquema)**. Mude **Column type (Tipo de coluna)** da coluna **EVENT\$1TIME** para `TIMESTAMP`.
1. Escolha **Save schema and update stream samples**. Depois que o console salvar o esquema, escolha **Exit (Sair)**.
1. Escolha **Save and continue**.
1. Na página de detalhes de aplicativo, escolha **Go to SQL editor (Ir para o editor de SQL)**. Para iniciar o aplicativo, escolha **Yes, start application (Sim, iniciar o aplicativo)** na caixa de diálogo exibida.
1. No editor SQL, escreva o código do aplicativo e verifique os resultados da seguinte forma:
1. Copie o código de aplicativo a seguir e cole-o no editor.
```
CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (
TICKER VARCHAR(4),
event_time TIMESTAMP,
five_minutes_before TIMESTAMP,
event_unix_timestamp BIGINT,
event_timestamp_as_char VARCHAR(50),
event_second INTEGER);
CREATE OR REPLACE PUMP "STREAM_PUMP" AS INSERT INTO "DESTINATION_SQL_STREAM"
SELECT STREAM
TICKER,
EVENT_TIME,
EVENT_TIME - INTERVAL '5' MINUTE,
UNIX_TIMESTAMP(EVENT_TIME),
TIMESTAMP_TO_CHAR('yyyy-MM-dd hh:mm:ss', EVENT_TIME),
EXTRACT(SECOND FROM EVENT_TIME)
FROM "SOURCE_SQL_STREAM_001"
```
1. Escolha **Save and run SQL**. Na guia **Real-time analytics (Análise em tempo real)**, você pode ver todos os fluxos de aplicativo criados pelo aplicativo e verificar os dados.